# فصل ۰۹ — پروژهٔ نهایی: از یک پرسشِ واقعی تا یک توصیهٔ قابلِ اجرا

<div dir="rtl">

# فصل ۰۹ — پروژهٔ نهایی: از یک پرسشِ واقعی تا یک توصیهٔ قابلِ اجرا

## در این فصل چه یاد می‌گیری

هیچ ابزارِ تازه‌ای. یک پرسش از مدیرِ کتابخانه، و هفت قدم تا جوابی که کسی می‌تواند رویش کاری بکند:

> **«اگر فقط برای یک شعبه بتوانیم کارِ تازه‌ای بکنیم، کدام؟»**

جدولِ خام می‌گوید **مرکزی** — آخرِ فهرست است. جوابِ درست **پویا**ست. و چیزی که این دو را از هم جدا می‌کند همان چیزی است که کلِ این ترم دربارهٔ آن بود.

![یک میزِ کارِ فنی که هفت ابزارِ مختلف روی آن به‌ترتیب چیده شده و در انتهای ردیف یک قطعهٔ مونتاژشدهٔ واحد ایستاده است](/lesson-assets/t6-s09-capstone/prompt/01-image-seven-tools-one-part.png)

آخر این فصل می‌توانی:

- یک پرسشِ واقعی را از اسکیما تا توصیه ببری، بدونِ اینکه هیچ قدمی را حدس بزنی
- هر عددی را که تولید می‌کنی با آزمونِ سه‌گانه بسنجی
- ادعای سرعتت را با دو عدد و یک نقشهٔ اجرا پشتیبانی کنی
- گزارشت را اتمی بنویسی و کنارش بگذاری «چه چیزی نظرم را عوض می‌کند»

## قبل از شروع

**همهٔ هشت فصلِ قبل، به‌علاوهٔ ترمِ ۵.** از ترمِ ۵ فقط سه چیز لازم است و هر سه در بخشِ ۳ و ۷ به کار می‌روند: `EXPLAIN QUERY PLAN` و تفاوتِ `SCAN` با `SEARCH`، `CREATE INDEX`، و تراکنشِ صریح با `BEGIN` و `COMMIT` و `ROLLBACK`.

**دورهٔ تحلیل:** از `2024-01-01` تا `2025-04-01`، با تاریخِ برشِ `AS_OF`. پایانِ دوره عمداً دو ماه قبل از تاریخِ برش است تا هر امانت فرصتِ برابری برای برگشتن داشته باشد — قاعدهٔ فصلِ ۴.

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-6-number-to-decision/session-09-capstone.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `members` | ۱٬۴۰۰ | آنی |
| `titles` | ۱٬۲۰۰ | آنی |
| `loans` | ۱۶٬۸۳۴ | کمتر از دو ثانیه |
| `visits` | ۲۵٬۰۱۴ | کمتر از دو ثانیه |

<div dir="rtl">

## ۱. قدمِ صفر: چه چیزی روی میز است

قبل از هر پرسشی، فهرستِ جدول‌ها و اندازه‌شان. سی ثانیه وقت می‌گیرد و جلوی نصفِ اشتباه‌های این ترم را می‌گیرد.

</div>

```python
WINDOW_START = "2024-01-01"
WINDOW_END = "2025-04-01"

print(q("""
    SELECT name FROM sqlite_master
    WHERE type = 'table' AND name NOT LIKE 'sqlite_%'
    ORDER BY name
""").to_string(index=False))
print()
for table in ("branches", "members", "titles", "loans", "visits"):
    n = int(q("SELECT COUNT(*) AS n FROM " + table).iloc[0, 0])
    print("%-10s %6d" % (table, n))
```

```text
    name
branches
   loans
 members
  titles
  visits

branches        6
members      1400
titles       1200
loans       16834
visits      25014
```

<div dir="rtl">

**دانه‌بندی، در سه جمله:** یک سطر از `loans` یک امانت است — نه یک کتاب و نه یک عضو. یک سطر از `titles` یک عنوان در یک شعبه. یک سطر از `members` یک عضو، که ممکن است `left_at` داشته باشد و ممکن است `home_branch_id` نداشته باشد.

نامِ ستون `member_id` در `loans` هست و نامِ ستونِ متناظرش در `members` فقط `id` است. **همین یک نکته را ننویسی، در بخشِ ۵ سرِ یک `JOIN` گیر می‌کنی.**

## ۲. سنجه را ثبت کن، بعد بشمار

سنجه همان نرخِ بازگشتِ به‌موقعِ فصلِ ۴ است: خام و تعدیل‌شده. **قبل از اجرا ذخیره‌اش می‌کنیم** — با نسخه، با یادداشت، و با دو پارامترِ تاریخ به‌جای هر عددِ چسبیده.

</div>

```python
ADJUSTED = """
    WITH cell AS (
        SELECT l.branch_id, t.category, COUNT(*) AS n,
               SUM(l.returned_at <= l.due_at) AS on_time
        FROM loans AS l
        JOIN titles AS t ON t.id = l.title_id
        WHERE l.returned_at IS NOT NULL
          AND l.borrowed_at >= ? AND l.borrowed_at < ?
        GROUP BY l.branch_id, t.category
    ),
    weight AS (SELECT category, SUM(n) AS n FROM cell GROUP BY category),
    total  AS (SELECT SUM(n) AS n FROM cell)
    SELECT b.name AS branch,
           SUM(c.n) AS returned_loans,
           ROUND(100.0 * SUM(c.on_time) / SUM(c.n), 1) AS raw_pct,
           ROUND(SUM(100.0 * c.on_time / c.n * w.n) / (SELECT n FROM total), 1) AS adjusted_pct
    FROM cell AS c
    JOIN weight AS w ON w.category = c.category
    JOIN branches AS b ON b.id = c.branch_id
    GROUP BY c.branch_id, b.name
    ORDER BY raw_pct DESC
"""
con.execute("DROP TABLE IF EXISTS saved_queries")
con.execute("""
    CREATE TABLE saved_queries (
        name     TEXT    NOT NULL,
        version  INTEGER NOT NULL,
        note     TEXT    NOT NULL,
        sql_text TEXT    NOT NULL,
        PRIMARY KEY (name, version)
    )
""")
con.execute("INSERT INTO saved_queries VALUES (?, ?, ?, ?)", (
    "on_time_by_branch", 1,
    "نرخ بازگشت به‌موقع هر شعبه، خام و تعدیل‌شده بر ترکیب دسته کتاب کل کتابخانه",
    ADJUSTED,
))
con.commit()
print(q("SELECT name, version, note FROM saved_queries").to_string(index=False))
```

```text
             name  version                                                                       note
on_time_by_branch        1 نرخ بازگشت به‌موقع هر شعبه، خام و تعدیل‌شده بر ترکیب دسته کتاب کل کتابخانه
```

<div dir="rtl">

## ۳. وارسی را ارزان کن، با دو عدد و یک نقشه

در بخشِ ۴ باید سطرهای یک عضوِ مشخص را بارها بخوانیم. **قبل از اینکه ادعا کنیم چیزی کند یا سریع است، اندازه می‌گیریم و نقشهٔ اجرا را چاپ می‌کنیم:**

</div>

```python
DRILL = """
    SELECT COUNT(*) AS loans,
           SUM(returned_at IS NULL) AS still_out,
           SUM(returned_at > due_at) AS late
    FROM loans WHERE member_id = ?
"""
print(plan(DRILL, (282,)).to_string(index=False))
print("زمان (میلی‌ثانیه):", timed(DRILL, (282,), repeat=25))
```

```text-approx
 id  parent  notused     detail
  3       0        0 SCAN loans
زمان (میلی‌ثانیه): 0.54
```

<div dir="rtl">

`SCAN loans` یعنی برای پیدا کردنِ سطرهای یک عضو، هر ۱۶٬۸۳۴ سطر خوانده می‌شود. حالا یک `index` روی همان ستون، و همان دو اندازه‌گیری دوباره:

</div>

```python
con.execute("CREATE INDEX IF NOT EXISTS idx_loans_member ON loans(member_id, returned_at, due_at)")
con.commit()
print(plan(DRILL, (282,)).to_string(index=False))
print("زمان (میلی‌ثانیه):", timed(DRILL, (282,), repeat=25))
```

```text-approx
 id  parent  notused                                                           detail
  3       0        0 SEARCH loans USING COVERING INDEX idx_loans_member (member_id=?)
زمان (میلی‌ثانیه): 0.06
```

<div dir="rtl">

**`SCAN` به `SEARCH USING COVERING INDEX` تبدیل شد و زمانِ اجرا کوتاه‌تر شد — هر دو عدد بالا چاپ شده‌اند.** هر سه ستونی که پرسش می‌خواهد داخلِ خودِ `index` هستند، پس اصلاً به جدول برنمی‌گردد.

**عددهای زمان روی ماشینِ تو فرق می‌کنند و همین هم درست است** — به همین دلیل در fenceی آمده‌اند که ادعای قطعی نیست. چیزی که فرق نمی‌کند، تغییرِ نقشهٔ اجراست، و ادعای سرعت به همان تکیه دارد نه به عدد.

## ۴. آزمونِ سه‌گانه

</div>

```python
total = int(q("SELECT COUNT(*) AS n FROM loans WHERE borrowed_at >= ? AND borrowed_at < ?",
              (WINDOW_START, WINDOW_END)).iloc[0, 0])
parts = q("""
    SELECT SUM(returned_at IS NOT NULL AND returned_at <= due_at) AS on_time,
           SUM(returned_at IS NOT NULL AND returned_at >  due_at) AS late,
           SUM(returned_at IS NULL)                               AS still_out
    FROM loans WHERE borrowed_at >= ? AND borrowed_at < ?
""", (WINDOW_START, WINDOW_END))
on_time, late, still_out = (int(parts[c][0]) for c in ("on_time", "late", "still_out"))
print("۱. شمارش کل :", total)
print("۲. جمع اجزا :", on_time, "+", late, "+", still_out, "=", on_time + late + still_out)
print()
print("۳. وارسی دستی یک عضو:")
print(q(DRILL, (282,)).to_string(index=False))
print(q("""
    SELECT id, borrowed_at, due_at, returned_at, returned_at > due_at AS is_late
    FROM loans WHERE member_id = ? ORDER BY id LIMIT 3
""", (282,)).to_string(index=False))
```

```text
۱. شمارش کل : 14299
۲. جمع اجزا : 9245 + 4573 + 481 = 14299

۳. وارسی دستی یک عضو:
 loans  still_out  late
    15          3     4
  id borrowed_at     due_at returned_at  is_late
4732  2024-06-10 2024-07-01         NaN      NaN
5370  2024-07-01 2024-07-22  2024-08-06      1.0
5917  2024-07-18 2024-08-08  2024-07-24      0.0
```

<div dir="rtl">

**سه آزمون، و آزمونِ سوم مهم‌ترینشان است.** عضوِ ۲۸۲ پانزده امانت دارد و ستونِ `late` می‌گوید چهارتا دیر برگشته‌اند؛ ولی ستونِ `still_out` می‌گوید سه‌تایشان اصلاً برنگشته‌اند. **`SUM` سطرِ `NULL` را نمی‌شمارد، پس آن چهار از پانزده نیست، از دوازده است.** همان تلهٔ فصلِ ۳، این بار وسطِ کارِ خودمان.

## ۵. جوابی که وارونه می‌شود

پرسش را از جدولِ سنجه‌ها می‌خوانیم — نه از حافظه:

</div>

```python
sql_text = con.execute(
    "SELECT sql_text FROM saved_queries WHERE name = ? AND version = ?",
    ("on_time_by_branch", 1),
).fetchone()[0]
report = q(sql_text, (WINDOW_START, WINDOW_END))
print(report.to_string(index=False))
print()
worst = report.sort_values("adjusted_pct").iloc[0]
best = report.sort_values("adjusted_pct", ascending=False).iloc[0]
print("بدترین شعبه بعد از تعدیل:", worst["branch"],
      "| خام", worst["raw_pct"], "| تعدیل‌شده", worst["adjusted_pct"])
print("بهترین شعبه بعد از تعدیل:", best["branch"],
      "| خام", best["raw_pct"], "| تعدیل‌شده", best["adjusted_pct"])
print("فاصله تعدیل‌شده:", round(best["adjusted_pct"] - worst["adjusted_pct"], 1), "واحد")
```

```text
branch  returned_loans  raw_pct  adjusted_pct
  نسیم            2796     72.0          63.2
  بهار            1685     68.1          66.3
  دانش            2267     67.6          67.3
  کوشا            2046     67.4          68.9
  پویا            1726     64.8          60.1
 مرکزی            3298     62.3          71.8

بدترین شعبه بعد از تعدیل: پویا | خام 64.8 | تعدیل‌شده 60.1
بهترین شعبه بعد از تعدیل: مرکزی | خام 62.3 | تعدیل‌شده 71.8
فاصله تعدیل‌شده: 11.7 واحد
```

<div dir="rtl">

**مرکزی در نرخِ خام آخرِ فهرست است و بعد از تعدیل اولِ فهرست؛ پویا از پنجم به آخر می‌افتد.**

اگر روی جدولِ خام تصمیم می‌گرفتی، **بودجه را به شعبه‌ای می‌دادی که بهترینِ شش‌تاست** و شعبه‌ای که واقعاً عقب است دست‌نخورده می‌ماند.

## ۶. تصمیم: چقدر بهبود لازم است تا بصرفد

جواب داریم؛ حالا باید تبدیلش کنیم به کاری با یک شرطِ ابطال. دو فرضِ اعلام‌شده: هر بازگشتِ با تأخیر ۷ دقیقه کارِ کارمند می‌برد، و یک دورهٔ آموزشی برای کارکنانِ یک شعبه ۶۰۰ دقیقه.

</div>

```python
LATE_MIN = 7.0
TRAINING_MIN = 600.0
n_loans = int(worst["returned_loans"])
late_now = int(q("""
    SELECT SUM(l.returned_at > l.due_at) AS late
    FROM loans AS l JOIN branches AS b ON b.id = l.branch_id
    WHERE l.returned_at IS NOT NULL AND l.borrowed_at >= ? AND l.borrowed_at < ?
      AND b.name = ?
""", (WINDOW_START, WINDOW_END, worst["branch"])).iloc[0, 0])
break_even_points = 100.0 * TRAINING_MIN / (LATE_MIN * n_loans)

print("شعبه هدف                    :", worst["branch"])
print("امانت‌های برگشته در دوره      :", n_loans)
print("از این‌ها با تأخیر            :", late_now)
print("هزینه فعلی تأخیرها (دقیقه)   :", round(LATE_MIN * late_now, 1))
print()
print("هزینه اعلام‌شده یک دوره آموزشی:", TRAINING_MIN, "دقیقه")
print("سربه‌سر — چند واحد بهبود لازم است:", round(break_even_points, 2))
print("فاصله واقعی تا بهترین شعبه      :",
      round(best["adjusted_pct"] - worst["adjusted_pct"], 1), "واحد")
```

```text
شعبه هدف                    : پویا
امانت‌های برگشته در دوره      : 1726
از این‌ها با تأخیر            : 608
هزینه فعلی تأخیرها (دقیقه)   : 4256.0

هزینه اعلام‌شده یک دوره آموزشی: 600.0 دقیقه
سربه‌سر — چند واحد بهبود لازم است: 4.97
فاصله واقعی تا بهترین شعبه      : 11.7 واحد
```

<div dir="rtl">

**۴٫۹۷ واحد لازم است و ۱۱٫۷ واحد فاصله هست — یعنی حتی اگر فقط نیمی از فاصله پر شود، هزینه‌اش برمی‌گردد.**

**و یک صداقتِ لازم دربارهٔ همین دو عدد:** سربه‌سرِ ۴٫۹۷ از نرخِ **خامِ** تأخیر درآمده و فاصلهٔ ۱۱٫۷ از نرخِ **تعدیل‌شده** — دو خط‌کشِ متفاوت، و بخشِ ۵ فصلِ ۴ گفت نرخِ تعدیل‌شده عددِ واقعیِ هیچ شعبه‌ای نیست. پس این مقایسه تقریبی است، نه دقیق. چیزی که نجاتش می‌دهد اندازهٔ فاصله است: ۱۱٫۷ بیش از دو برابرِ ۴٫۹۷ است، و هیچ تعدیلی این دو را جابه‌جا نمی‌کند. اگر فاصله ۵٫۵ بود، این توصیه را نمی‌شد داد.

**و همین فاصله در فصلِ ۵ با باند سنجیده شد و بیرونِ باند بود** — باندِ قرعه تا حدودِ سه واحد باز می‌شد و فاصله تقریباً چهار برابرِ آن. پس این توصیه دستِ‌کم روی اختلافی بنا شده که از نوسان بزرگ‌تر است.

## ۷. تحویل، در یک تراکنش

گزارش را در جدول می‌نویسیم، و **هر چهار سطر یا با هم می‌روند یا هیچ‌کدام** — چون یک گزارشِ نصفه از هیچ گزارشی بدتر است.

> 🔧 **اگر کار نکرد:** سطرِ چهارمِ زیر تعدادِ امانت‌هاست و قیدِ ستون فقط عددِ بینِ صفر و صد می‌پذیرد. تراکنش کلاً برمی‌گردد:

</div>

```python
con.execute("DROP TABLE IF EXISTS final_report")
con.execute("""
    CREATE TABLE final_report (
        line  INTEGER PRIMARY KEY,
        label TEXT NOT NULL,
        value REAL NOT NULL CONSTRAINT value_in_range CHECK (value BETWEEN 0 AND 100)
    )
""")
con.commit()

rows = [
    (1, "نرخ خام بدترین شعبه", float(worst["raw_pct"])),
    (2, "نرخ تعدیل‌شده بدترین شعبه", float(worst["adjusted_pct"])),
    (3, "بهبود لازم برای سربه‌سر", round(break_even_points, 2)),
    (4, "امانت‌های برگشته", float(n_loans)),
]
try:
    con.execute("BEGIN")
    con.executemany("INSERT INTO final_report VALUES (?, ?, ?)", rows)
    con.execute("COMMIT")
except Exception as error:
    con.execute("ROLLBACK")
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
print("سطرهای جدول بعد از تراکنش شکست‌خورده:",
      int(q("SELECT COUNT(*) AS n FROM final_report").iloc[0, 0]))
```

```text
sqlite3.IntegrityError
CHECK constraint failed: value_in_range
سطرهای جدول بعد از تراکنش شکست‌خورده: 0
```

<div dir="rtl">

**صفر سطر، نه سه سطر.** سه `INSERT` اولی موفق بودند و `ROLLBACK` هر سه را برگرداند — این همان اتمی بودنِ ترمِ ۵ است، و دقیقاً چیزی است که یک گزارش لازم دارد. حالا با سطرِ چهارمِ درست:

</div>

```python
con.execute("BEGIN")
con.executemany("INSERT INTO final_report VALUES (?, ?, ?)", rows[:3])
con.execute("INSERT INTO final_report VALUES (?, ?, ?)",
            (4, "سهم امانت‌های برگشته از کل دوره", round(100.0 * (on_time + late) / total, 1)))
con.execute("COMMIT")
print("سطرهای جدول:", int(q("SELECT COUNT(*) AS n FROM final_report").iloc[0, 0]))
print()
print(q("SELECT line, label, value FROM final_report ORDER BY line").to_string(index=False))
```

```text
سطرهای جدول: 4

 line                           label  value
    1             نرخ خام بدترین شعبه  64.80
    2       نرخ تعدیل‌شده بدترین شعبه  60.10
    3         بهبود لازم برای سربه‌سر   4.97
    4 سهم امانت‌های برگشته از کل دوره  96.60
```

<div dir="rtl">

و آخرین تکه: همان یک صفحه، ساخته‌شده از همان متغیرها.

</div>

```python
lines = [
    "پروژه نهایی آوند — دوره %s تا %s | تاریخ برش داده: %s" % (WINDOW_START, WINDOW_END, AS_OF),
    "سنجه: on_time_by_branch نسخه ۱ | دانه‌بندی: یک سطر = یک شعبه، روی امانت‌های برگشته",
    "",
    "پرسش: اگر فقط برای یک شعبه بتوانیم کاری بکنیم، کدام؟",
    "",
    "پاسخ: %s — نه %s که جدول خام آخر نشانش می‌دهد." % (worst["branch"], best["branch"]),
    "  - نرخ خام: %s در %.1f و %s در %.1f درصد." %
    (best["branch"], best["raw_pct"], worst["branch"], worst["raw_pct"]),
    "  - بعد از تعدیل بر ترکیب دسته: %s در %.1f و %s در %.1f درصد." %
    (best["branch"], best["adjusted_pct"], worst["branch"], worst["adjusted_pct"]),
    "",
    "توصیه: %.1f واحد فاصله تا بهترین شعبه هست و سربه‌سر %.2f واحد است،" %
    (best["adjusted_pct"] - worst["adjusted_pct"], break_even_points),
    "پس یک دوره آموزشی %d دقیقه‌ای در %s صرف می‌کند." % (int(TRAINING_MIN), worst["branch"]),
    "",
    "آنچه نمی‌دانیم:",
    "- %d امانت این دوره هنوز برنگشته و در هیچ نرخی نیست." % still_out,
    "- نرخ تعدیل‌شده عدد واقعی هیچ شعبه‌ای نیست؛ فقط برای مقایسه است.",
    "- اثر دوره آموزشی فرض نشده، اندازه‌گیری هم نشده.",
    "",
    "چه چیزی نظرمان را عوض می‌کند: اگر بعد از دوره، نرخ تعدیل‌شده %s کمتر" %
    worst["branch"],
    "از %.2f واحد بالا برود، این کار نصرفیده و باید متوقف شود." % break_even_points,
]
print("\n".join(lines))
```

```text
پروژه نهایی آوند — دوره 2024-01-01 تا 2025-04-01 | تاریخ برش داده: 2025-06-12
سنجه: on_time_by_branch نسخه ۱ | دانه‌بندی: یک سطر = یک شعبه، روی امانت‌های برگشته

پرسش: اگر فقط برای یک شعبه بتوانیم کاری بکنیم، کدام؟

پاسخ: پویا — نه مرکزی که جدول خام آخر نشانش می‌دهد.
  - نرخ خام: مرکزی در 62.3 و پویا در 64.8 درصد.
  - بعد از تعدیل بر ترکیب دسته: مرکزی در 71.8 و پویا در 60.1 درصد.

توصیه: 11.7 واحد فاصله تا بهترین شعبه هست و سربه‌سر 4.97 واحد است،
پس یک دوره آموزشی 600 دقیقه‌ای در پویا صرف می‌کند.

آنچه نمی‌دانیم:
- 481 امانت این دوره هنوز برنگشته و در هیچ نرخی نیست.
- نرخ تعدیل‌شده عدد واقعی هیچ شعبه‌ای نیست؛ فقط برای مقایسه است.
- اثر دوره آموزشی فرض نشده، اندازه‌گیری هم نشده.

چه چیزی نظرمان را عوض می‌کند: اگر بعد از دوره، نرخ تعدیل‌شده پویا کمتر
از 4.97 واحد بالا برود، این کار نصرفیده و باید متوقف شود.
```

<div dir="rtl">

**یک پرسش، یک پاسخ، یک توصیه، و یک شرطی که اگر پیش بیاید خودمان توصیه‌مان را پس می‌گیریم.**

> ✅ **چک کن:** عددهای متنِ گزارش باید دقیقاً با جدولِ بخشِ ۵ و ۶ بخوانند — ۶۴٫۸ و ۶۰٫۱ و ۷۱٫۸ و ۴٫۹۷. اگر یکی‌شان فرق کرد، جایی عدد را دستی تایپ کرده‌ای. و جدولِ `final_report` باید **چهار** سطر داشته باشد، نه سه: سه سطر یعنی `COMMIT` را جا انداخته‌ای.

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** در `loans` یک امانت، در جدولِ بخشِ ۵ یک شعبه (و هر درصدش روی امانت‌های برگشتهٔ همان دوره)، و در `final_report` یک سطرِ گزارش. **با کدام شمارشِ دوم سنجیدی؟** با سه‌تا: آزمونِ سه‌گانهٔ بخشِ ۴ که ۹٬۲۴۵ + ۴٬۵۷۳ + ۴۸۱ را به ۱۴٬۲۹۹ رساند، وارسیِ دستیِ عضوِ ۲۸۲ که نشان داد مخرجِ آن چهار تأخیر دوازده است نه پانزده، و شمارشِ سطرهای `final_report` قبل و بعد از تراکنش. **چه کسی از قلم افتاد؟** ۴۸۱ امانتِ هنوز برنگشته و هر امانتی که بعد از پایانِ دوره گرفته شده. ۱۰۱ عضوی که شعبهٔ خانگی ندارند از قلم نیفتاده‌اند: جدولِ بخشِ ۵ با `loans.branch_id` شعبه را می‌سازد و امانتشان به شعبهٔ محلِ امانت نوشته شده.

> 🤖 **از دستیارت بپرس:** «برای تبدیلِ یک پرسشِ کسب‌وکاری به یک توصیهٔ قابلِ اجرا، چه قدم‌هایی و به چه ترتیبی لازم است؟» بعد این را بپرس: **«چرا یک توصیه باید شرطِ ابطالش را هم با خودش بیاورد؟»** — جوابِ درست می‌گوید بدونِ آن شرط، هیچ‌وقت نمی‌شود فهمید توصیه کار کرده یا نه، و تصمیمِ بعدی هم روی همان حدس بنا می‌شود. اگر جواب فقط گفت «برای شفافیت»، ناقص است.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| end-to-end analysis | اند تو اند انالیسیس | تحلیلی که از داده خام تا توصیه کامل طی می‌شود |
| covering index | کاورینگ ایندکس | `index`ی که همهٔ ستون‌های پرسش را دارد، پس به جدول برنمی‌گردد |
| atomic write | اتمیک رایت | نوشتنی که یا کاملاً انجام می‌شود یا اصلاً |
| falsification condition | فالسیفیکیشن کاندیشن | شرطی که اگر پیش بیاید، توصیه رد می‌شود |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا جدولِ خام شعبهٔ اشتباهی را نشان می‌داد؟

**تمرینِ اجباری:** همان هفت قدم را برای پرسشِ دیگری تکرار کن: **«کدام دستهٔ کتاب بیشترین سود را از تمدیدِ خودکارِ مهلت می‌برد؟»** سنجه‌ات را در `saved_queries` ثبت کن، آزمونِ سه‌گانه را اجرا کن، پنجرهٔ برابر بگذار، و یک صفحه با «آنچه نمی‌دانیم» و «چه چیزی نظرم را عوض می‌کند» تحویل بده. **هیچ عددی در متن دستی تایپ نشود.**

**تمرینِ ستاره‌دار ⭐:** گزارشِ این فصل یک حفره دارد که خودش هم اعلامش کرده: ۴۸۱ امانتِ برنگشته در هیچ نرخی نیستند. **نرخ را طوری بازتعریف کن که آن‌ها هم شمرده شوند** — راهنمایی: امانتی که هنوز برنگشته و سررسیدش گذشته، قطعاً دیر است. نسخهٔ ۲ سنجه را بساز و هر دو نسخه را با همان دوره اجرا کن. حالا سؤالِ سخت: **آیا جوابِ «کدام شعبه؟» عوض می‌شود، و اگر عوض شد کدام نسخه را تحویل می‌دهی و چرا؟** جوابت باید بگوید کدام تعریف به کدام پرسش نزدیک‌تر است، نه اینکه کدام عدد قشنگ‌تر است.

## در فصل بعد

فصلِ بعدی وجود ندارد. آوند تمام شد.

شش ترم پیش با یک جمله شروع کردیم: **پایگاه داده جوابِ تو را ندارد، سطر دارد.** حالا از سطر تا تصمیم را کامل رفته‌ای — `SELECT` و `JOIN` و تجمیع، اسکیمایی که از قوانینِ خودش محافظت می‌کند، کارایی‌ای که اندازه گرفته می‌شود، و در این ترم چیزی که همهٔ آن‌ها برایش وجود داشتند: **عددی که می‌شود رویش تصمیم گرفت، و می‌شود ثابت کرد درست است.**

سه چیز را با خودت ببر، چون در هر ابزار و هر گویشِ `SQL` دیگری هم کار می‌کنند:

1. **اول بگو یک سطر یعنی چه.**
2. **هر عدد را با یک شمارشِ دوم بسنج.**
3. **قبل از باور، بپرس چه کسی از قلم افتاد.**

و اگر جایی احساس کردی ریاضیِ زیرِ کار لق می‌زند — میانگین، درصد، احتمالِ شرطی، نمونه — [ریشه](/courses/risheh) همان‌جاست و هر پلی که در این دوره زدیم به فصلِ دقیقش می‌رفت. آوند می‌بَرَد؛ ریشه جذب می‌کند.

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t6/s09-capstone (یادستان, Yaadestan)
